基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法

周兰庭; 魏鑫; 周炫言

doi:10.13393/j.cnki.issn.1672-948X.2026.03.001

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法

更新时间：2026-05-27

- 基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法
- Vol. 48, Issue 3, Pages: 1-7(2026)
- 作者机构：
  
  1. 河海大学水利水电学院
  2. 上海市青浦区河湖管理事务中心
- 作者简介：
- 基金信息：
- DOI：10.13393/j.cnki.issn.1672-948X.2026.03.001
  CLC： TV698.11
- Published：2026
- 稿件说明：
移动端阅览
周兰庭, 魏鑫, 周炫言. 基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法[J]. 2026, 48(3): 1-7.
DOI：

周兰庭, 魏鑫, 周炫言. 基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法[J]. 2026, 48(3): 1-7. DOI： 10.13393/j.cnki.issn.1672-948X.2026.03.001.

摘要

针对混凝土坝变形监测数据普遍存在的噪声干扰及粗差识别困难等问题，结合改进的变分模态分解(VMD)能够实现参数精准定位、密度聚类算法(DBSCAN)对噪声具备良好鲁棒性等优势，提出了一种基于RUN-VMD-DBSCAN的混凝土坝变形监测数据粗差识别方法.该方法首先通过龙格库塔算法(RUN)对VMD的关键参数进行自适应优化，进而结合方差贡献率(VCR)有效剥离高频噪声，获得光滑且保留真实物理意义的变形分量；最后运用DBSCAN进行粗差识别，提高识别精度.与单一DBSCAN、VMD及LOF算法的工程实例处理结果对比表明：该方法粗差识别率更高，误判率显著降低.

Abstract

关键词

Keywords

references

花胜强,李永红,高磊,郑健兵,蔡杰.基于离差和改进的大坝变形监测粗差判别方法[J].水电能源科学,2020(06).

贺玉海,周庆琨,程埮晟,王勤鹏.基于改进K-Medoids的组合聚类算法及异常值检测研究[J].大连理工大学学报,2022(04).

齐智勇,孙辅庭,毛延翩,周建波,张春辉,李秋炎.基于全卷积神经网络的大坝变形监测数据粗差识别方法研究[J].水电能源科学,2023(03).

王岩博,顾冲时,石立,顾昊,张建中,陆希,吴艳,朱明远.基于改进IGGⅢ-ELM法的混凝土坝变形监测数据粗差识别方法[J].水利水电科技进展,2023(06).

高睿颖,顾冲时,王岩博,陈立秋.基于DBO-DA-GRU的大坝变形预测模型[J].水电能源科学,2024(09).

陈立秋,顾冲时,邵晨飞,顾昊,高睿颖.基于相似测点对比的大坝变形监测数据粗差识别方法[J].水利水电科技进展,2024(04).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

卸荷作用下砂岩力学特性及能量演化规律研究

砂土地基中海上风电四桶吸力基础冲刷特性研究

特高压输电线路耐张串倾角计算方法研究

基于LabVIEW的滚动轴承振动信号分析系统开发

桩板拦石墙桩间距优化设计

Related Author

No data

Related Institution

No data

AI问答

⁰